特開 2022-137973 遠隔監視システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022137973

(43)【公開日】2022-09-22

(54)【発明の名称】遠隔監視システム

(51)【国際特許分類】

   H04M 11/00 20060101AFI20220914BHJP

   G06N 20/00 20190101ALI20220914BHJP

   G06T 7/00 20170101ALI20220914BHJP

   H04Q 9/00 20060101ALI20220914BHJP

   C02F 11/121 20190101ALI20220914BHJP

【ＦＩ】

H04M11/00 301

G06N20/00 ZAB

G06T7/00 350C

H04Q9/00 311K

C02F11/121

【審査請求】未請求

【請求項の数】18

【出願形態】ＯＬ

(21)【出願番号】P 2021037724

(22)【出願日】2021-03-09

(71)【出願人】

【識別番号】591030651

【氏名又は名称】水ｉｎｇ株式会社

(74)【代理人】

【識別番号】100118500

【弁理士】

【氏名又は名称】廣澤 哲也

(74)【代理人】

【識別番号】100091498

【弁理士】

【氏名又は名称】渡邉 勇

(72)【発明者】

【氏名】佐藤 聡

(72)【発明者】

【氏名】飯倉 智弘

(72)【発明者】

【氏名】塚本 幸太郎

(72)【発明者】

【氏名】鈴木 敏

【テーマコード（参考）】

4D059

5K048

5K201

5L096

【Ｆターム（参考）】

4D059AA03

4D059BD00

4D059BE07

4D059BE16

4D059BE20

4D059BE26

4D059BE31

4D059BE38

4D059BE41

4D059CA30

4D059EA06

4D059EA20

5K048BA21

5K048BA34

5K048EB10

5K048EB15

5K048GC06

5K201BA02

5K201CA04

5K201CA08

5K201CA10

5K201DC04

5K201DC05

5K201EC06

5K201ED05

5K201ED09

5L096BA02

5L096CA27

5L096DA02

5L096DA03

5L096HA09

5L096HA11

5L096KA04

(57)【要約】      （修正有）

【課題】監視対象物の状態の最適な遠隔監視を行うことができる遠隔監視システム及び画像解析システムを提供する。
【解決手段】遠隔監視システム１は、被処理水３を固液分離して分離物５を生成する固液分離装置７、画像データを生成する撮像装置及び画像データに基づいて、分離物５の異常状態を解析する画像解析システム１０と、エッジサーバ１５と、クラウドサーバ１７と、を備える。クラウドサーバ１７は、Ｗｅｂアプリケーション１９を備え、Ｗｅｂアプリケーション１９に異常状態の解析結果及び画像データを表示させる。エッジサーバ１５は、画像データを少なくとも含む訓練データを用いて機械学習により構築された推論モデル１５ａを備え、画像データを推論モデルに入力し、推論モデルに従って分離物５の異常状態を推論する。
【選択図】図１

【特許請求の範囲】

【請求項1】

固液分離された分離物の状態を監視するための遠隔監視システムであって、
被処理水を固液分離して前記分離物を生成する固液分離装置と、
前記分離物を撮像し、画像データを生成する撮像装置と、
前記画像データに基づいて、前記分離物の異常状態を解析する画像解析システムと、を備え、
前記画像解析システムは、
前記撮像装置に電気的に接続されたエッジサーバと、
ネットワークを介して前記エッジサーバに接続されたクラウドサーバを備え、
前記クラウドサーバは、Ｗｅｂアプリケーションを備え、前記クラウドサーバは、前記Ｗｅｂアプリケーションに前記異常状態の解析結果および前記画像データを表示させるように構成されており、
前記画像解析システムには、前記画像データを少なくとも含む訓練データを用いて機械学習により構築された推論モデルが格納されており、
前記画像解析システムは、
前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記分離物の異常状態を推論し、
前記解析結果を複数段階に分類し、
前記解析結果を正規化して算出するように構成されている、遠隔監視システム。

【請求項2】

前記クラウドサーバは、前記ネットワークを介してユーザ端末に接続されており、
前記クラウドサーバは、前記分離物の状態を異常と判断した場合、前記分離物の状態が異常であることを通知するメールをユーザ端末に送信するように構成されている、請求項１に記載の遠隔監視システム。

【請求項3】

前記クラウドサーバは、前記ネットワークを介して警告灯に連結されており、
前記クラウドサーバは、前記分離物の状態を異常と判断した場合、前記分離物の状態が異常であることを前記警告灯を介して通知するように構成されている、請求項１に記載の遠隔監視システム。

【請求項4】

前記Ｗｅｂアプリケーションは、前記クラウドサーバが前記分離物の状態を異常と判断するための異常条件を設定可能に構成されている、請求項２または３に記載の遠隔監視システム。

【請求項5】

前記分離物の状態を間接的に示す物理量を測定するセンサをさらに備え、
前記画像解析システムは、前記物理量の測定データを前記推論モデルにさらに入力し、前記推論モデルに従って前記分離物の異常状態を推論するように構成されている、請求項１乃至４のいずれか一項に記載の遠隔監視システム。

【請求項6】

前記センサは、温度センサ、湿度センサ、水質センサ、音センサ、振動センサ、および匂いセンサのうちのいずれか１つまたは複数である、請求項５に記載の遠隔監視システム。

【請求項7】

前記推論モデルは、前記エッジサーバに格納されており、
前記エッジサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記分離物の異常状態を推論するように構成されており、かつ前記ネットワークを介して、前記解析結果および前記画像データを前記クラウドサーバに送信するように構成されている、請求項１乃至６のいずれか一項に記載の遠隔監視システム。

【請求項8】

前記エッジサーバは、前記解析結果と前記画像データとを互いに異なる送信頻度で送信するように構成されている、請求項７に記載の遠隔監視システム。

【請求項9】

前記エッジサーバは、前記ネットワークを介して前記画像データを前記クラウドサーバに送信するように構成されており、
前記推論モデルは、前記クラウドサーバに格納されており、
前記クラウドサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記分離物の異常状態を推論するように構成されている、請求項１乃至６のいずれか一項に記載の遠隔監視システム。

【請求項10】

被処理水の状態を監視するための遠隔監視システムであって、
前記被処理水を撮像し、画像データを生成する撮像装置と、
前記画像データに基づいて、前記被処理水の異常状態を解析する画像解析システムと、を備え、
前記画像解析システムは、
前記撮像装置に電気的に接続されたエッジサーバと、
ネットワークを介して前記エッジサーバに接続されたクラウドサーバを備え、
前記クラウドサーバは、Ｗｅｂアプリケーションを備え、前記クラウドサーバは、前記Ｗｅｂアプリケーションに前記異常状態の解析結果および前記画像データを表示させるように構成されており、
前記画像解析システムには、前記画像データを少なくとも含む訓練データを用いて機械学習により構築された推論モデルが格納されており、
前記画像解析システムは、
前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記被処理水の異常状態を推論し、
前記解析結果を複数段階に分類し、
前記解析結果を正規化して算出するように構成されている、遠隔監視システム。

【請求項11】

前記クラウドサーバは、前記ネットワークを介してユーザ端末に接続されており、
前記クラウドサーバは、前記被処理水の状態を異常と判断した場合、前記被処理水の状態が異常であることを通知するメールをユーザ端末に送信するように構成されている、請求項１０に記載の遠隔監視システム。

【請求項12】

前記クラウドサーバは、前記ネットワークを介して警告灯に連結されており、
前記クラウドサーバは、前記被処理水の状態を異常と判断した場合、前記被処理水の状態が異常であることを前記警告灯を介して通知するように構成されている、請求項１０に記載の遠隔監視システム。

【請求項13】

前記Ｗｅｂアプリケーションは、前記クラウドサーバが前記被処理水の状態を異常と判断するための異常条件を設定可能に構成されている、請求項１１または１２に記載の遠隔監視システム。

【請求項14】

前記被処理水の状態を間接的に示す物理量を測定するセンサをさらに備え、
前記画像解析システムは、前記物理量の測定データを前記推論モデルにさらに入力し、前記推論モデルに従って前記被処理水の異常状態を推論するように構成されている、請求項１０乃至１３のいずれか一項に記載の遠隔監視システム。

【請求項15】

前記センサは、温度センサ、湿度センサ、水質センサ、音センサ、振動センサ、および匂いセンサのうちのいずれか１つまたは複数である、請求項１４に記載の遠隔監視システム。

【請求項16】

前記推論モデルは、前記エッジサーバに格納されており、
前記エッジサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記被処理水の異常状態を推論するように構成されており、かつ前記ネットワークを介して、前記解析結果および前記画像データを前記クラウドサーバに送信するように構成されている、請求項１０乃至１５のいずれか一項に記載の遠隔監視システム。

【請求項17】

前記エッジサーバは、前記解析結果と前記画像データとを互いに異なる送信頻度で送信するように構成されている、請求項１６に記載の遠隔監視システム。

【請求項18】

前記エッジサーバは、前記ネットワークを介して前記画像データを前記クラウドサーバに送信するように構成されており、
前記推論モデルは、前記クラウドサーバに格納されており、
前記クラウドサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記被処理水の異常状態を推論するように構成されている、請求項１０乃至１５のいずれか一項に記載の遠隔監視システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、固液分離された分離物の状態や、被処理水の状態を監視するための遠隔監視システムに関する。

【背景技術】

【0002】

従来から、下水処理場、し尿処理場、産業排水処理場などの液体処理施設から排出される懸濁液（例えば汚泥）を圧搾して、該懸濁液から水を分離する（すなわち、脱水する）脱水機が使用されている。このような脱水機の処理の良否を判別するために、これまでは脱水ケーキなどの分離物や懸濁液などの被処理水の状態を人が目視で判断していた。

【0003】

また、機械学習を用いた機器または設備の診断システムや、単に設備の状態を遠隔で監視するシステム（例えば、ＳＣＡＤＡ：Supervisory Control And Data Acquisition）はあった。ＳＣＡＤＡは、現場１に対してＳＣＡＤＡが1の、１対１の監視を行うために用いられることが多く、かつ、オンプレミス（ハードウェア、ソフトウェアを現場に設置することが多い。

【0004】

出願人はこれまで脱水設備の遠隔監視ＡＩシステムの開発を行っており、汚泥処理設備（脱水機）を遠隔監視用のカメラで撮影した画像を基に、設備の運転状態の正常・異常を判別することが可能なＡＩを搭載した遠隔監視システムについて報告している。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１７－１８２５２９号公報

【特許文献2】特許第２６１３３６０号公報

【特許文献3】特許第５３５１０９２号公報

【非特許文献1】「「ＳＣＡＤＡ×ＩｏＴ」でビジネスチャンスを拡大」、［ｏｎｌｉｎｅ］、［令和３年２月１８日検索］、インターネット、＜https://www.jte.co.jp/package/watcher/lp/iot/＞

【非特許文献2】板倉智弘、楠本勝子、古賀大輔、「脱水設備の遠隔監視ＡＩシステムの開発」、下水道研究発表会講演集、２０２０年７月２２日出版

【発明の概要】

【発明が解決しようとする課題】

【0006】

分離物や被処理水の状態を目視で判断するためには、定期的に現場へ行き点検を行う必要があり、時間と人手を要していた。異常（例えば脱水ケーキの脱水の状態が望ましい状態でない）かどうかは見た目で判断するため、従来のセンサでは異常状態を直接計測することが難しく、自動化できていなかった。設備の状態（脱水機であれば脱水の状態）が異常（望ましい含水率でない）であることを見逃すと、プラントの後段設備へも影響を及ぼすため、監視者の精神的な負担が大きかった。

【0007】

上記特許文献１は、ホスト装置と表示装置をネットワーク接続するための手段を開示するが、プラント設備を遠隔で監視するという機能や、複数の人間がＷｅｂアプリケーションを通じて１つのプラント設備の状態を確認できるという機能については記載していない。閉じられたネットワークでしかできないので、遠隔監視したくともできず、業務効率化ができない。

【0008】

上記特許文献３は、公衆回線（インターネット）を利用して遠隔から監視するシステムを開示するが、被処理水３画像を含むデータを送信することについては述べられていない。

【0009】

上記非特許文献２は、設備の正常・異常の二分類による状態判別を行うといった非常にシンプルなシステムを開示するが、様々な処理場への具体的な展開方法については述べられていない。

【0010】

そこで、本発明は、様々な処理場において分離物や被処理水の状態の最適な遠隔監視を行うことができる遠隔監視システムを提供することを目的とする。

【課題を解決するための手段】

【0011】

一態様では、固液分離された分離物の状態を監視するための遠隔監視システムであって、被処理水を固液分離して前記分離物を生成する固液分離装置と、前記分離物を撮像し、画像データを生成する撮像装置と、前記画像データに基づいて、前記分離物の異常状態を解析する画像解析システムと、を備え、前記画像解析システムは、前記撮像装置に電気的に接続されたエッジサーバと、ネットワークを介して前記エッジサーバに接続されたクラウドサーバを備え、前記クラウドサーバは、Ｗｅｂアプリケーションを備え、前記クラウドサーバは、前記Ｗｅｂアプリケーションに前記異常状態の解析結果および前記画像データを表示させるように構成されており、前記画像解析システムには、前記画像データを少なくとも含む訓練データを用いて機械学習により構築された推論モデルが格納されており、前記画像解析システムは、前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記分離物の異常状態を推論し、前記解析結果を複数段階に分類し、前記解析結果を正規化して算出するように構成されている、遠隔監視システムが提供される。

【0012】

一態様では、前記クラウドサーバは、前記ネットワークを介してユーザ端末に接続されており、前記クラウドサーバは、前記分離物の状態を異常と判断した場合、前記分離物の状態が異常であることを通知するメールをユーザ端末に送信するように構成されている。
一態様では、前記クラウドサーバは、前記ネットワークを介して警告灯に連結されており、前記クラウドサーバは、前記分離物の状態を異常と判断した場合、前記分離物の状態が異常であることを前記警告灯を介して通知するように構成されている。
一態様では、前記Ｗｅｂアプリケーションは、前記クラウドサーバが前記分離物の状態を異常と判断するための異常条件を設定可能に構成されている。
一態様では、前記遠隔監視システムは、前記分離物の状態を間接的に示す物理量を測定するセンサをさらに備え、前記画像解析システムは、前記物理量の測定データを前記推論モデルにさらに入力し、前記推論モデルに従って前記分離物の異常状態を推論するように構成されている。
一態様では、前記センサは、温度センサ、湿度センサ、水質センサ、音センサ、振動センサ、および匂いセンサのうちのいずれか１つまたは複数である。
一態様では、前記推論モデルは、前記エッジサーバに格納されており、前記エッジサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記分離物の異常状態を推論するように構成されており、かつ前記ネットワークを介して、前記解析結果および前記画像データを前記クラウドサーバに送信するように構成されている。
一態様では、前記エッジサーバは、前記解析結果と前記画像データとを互いに異なる送信頻度で送信するように構成されている。
一態様では、前記エッジサーバは、前記ネットワークを介して前記画像データを前記クラウドサーバに送信するように構成されており、前記推論モデルは、前記クラウドサーバに格納されており、前記クラウドサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記分離物の異常状態を推論するように構成されている。

【0013】

一態様では、被処理水の状態を監視するための遠隔監視システムであって、前記被処理水を撮像し、画像データを生成する撮像装置と、前記画像データに基づいて、前記被処理水の異常状態を解析する画像解析システムと、を備え、前記画像解析システムは、前記撮像装置に電気的に接続されたエッジサーバと、ネットワークを介して前記エッジサーバに接続されたクラウドサーバを備え、前記クラウドサーバは、Ｗｅｂアプリケーションを備え、前記クラウドサーバは、前記Ｗｅｂアプリケーションに前記異常状態の解析結果および前記画像データを表示させるように構成されており、前記画像解析システムには、前記画像データを少なくとも含む訓練データを用いて機械学習により構築された推論モデルが格納されており、前記画像解析システムは、前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記被処理水の異常状態を推論し、前記解析結果を複数段階に分類し、前記解析結果を正規化して算出するように構成されている、遠隔監視システムが提供される。

【0014】

一態様では、前記クラウドサーバは、前記ネットワークを介してユーザ端末に接続されており、前記クラウドサーバは、前記被処理水の状態を異常と判断した場合、前記被処理水の状態が異常であることを通知するメールをユーザ端末に送信するように構成されている。
一態様では、前記クラウドサーバは、前記ネットワークを介して警告灯に連結されており、前記クラウドサーバは、前記被処理水の状態を異常と判断した場合、前記被処理水の状態が異常であることを前記警告灯を介して通知するように構成されている。
一態様では、前記Ｗｅｂアプリケーションは、前記クラウドサーバが前記被処理水の状態を異常と判断するための異常条件を設定可能に構成されている。
一態様では、前記遠隔監視システムは、前記被処理水の状態を間接的に示す物理量を測定するセンサをさらに備え、前記画像解析システムは、前記物理量の測定データを前記推論モデルにさらに入力し、前記推論モデルに従って前記被処理水の異常状態を推論するように構成されている。
一態様では、前記センサは、温度センサ、湿度センサ、水質センサ、音センサ、振動センサ、および匂いセンサのうちのいずれか１つまたは複数である。
一態様では、前記推論モデルは、前記エッジサーバに格納されており、前記エッジサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記被処理水の異常状態を推論するように構成されており、かつ前記ネットワークを介して、前記解析結果および前記画像データを前記クラウドサーバに送信するように構成されている。
一態様では、前記エッジサーバは、前記解析結果と前記画像データとを互いに異なる送信頻度で送信するように構成されている。
一態様では、前記エッジサーバは、前記ネットワークを介して前記画像データを前記クラウドサーバに送信するように構成されており、前記推論モデルは、前記クラウドサーバに格納されており、前記クラウドサーバは、少なくとも前記画像データを前記推論モデルに入力し、前記推論モデルに従って前記被処理水の異常状態を推論するように構成されている。

【発明の効果】

【0015】

本発明によれば、Ｗｅｂアプリケーションによって分離物または被処理水の画像データと、機械学習を用いた画像データの解析結果を確認することができる。結果として分離物や被処理水の状態の最適な遠隔監視を行うことができる。

【図面の簡単な説明】

【0016】

【図1】遠隔監視システムの一実施形態を示す模式図である。

【図2】遠隔監視システムの他の実施形態を示す模式図である。

【図3】遠隔監視システムの他の実施形態を示す模式図である。

【図4】図４（ａ）は、画像解析システム１０が正常と推論したときの分離物５の画像データを示し、図４（ｂ）は、画像解析システム１０が異常と推論したときの分離物５の画像データを示している。

【図5】汚泥乾燥機へ投入された濁質残渣としての分離物の画像データと、各画像データの解析結果を示す図である。

【図6】被処理水としての水族館の水槽の水の画像データと、各画像データの解析結果を示す図である。

【図7】Ｗｅｂアプリケーションの表示の一実施形態を示す図である。

【図8】遠隔監視システムの他の実施形態を示す模式図である。

【図9】脱水ろ液としての分離物の監視方法の一例を示す図である。

【図10】遠隔監視システムの他の実施形態を示す模式図である。

【発明を実施するための形態】

【0017】

以下、本発明の実施形態について図面を参照して説明する。
図１は、遠隔監視システムの一実施形態を示す模式図である。本実施形態の遠隔監視システム１は、固液分離された分離物の状態を監視するための遠隔監視システムである。遠隔監視システム１は、被処理水３を固液分離して分離物５を生成するための固液分離装置７と、分離物５を撮像し画像データを生成する撮像装置９と、画像データに基づいて、分離物５の異常状態を解析する画像解析システム１０を備えている。

【0018】

被処理水３の例として、下水処理場、し尿処理場、産業排水処理場、生物飼育用水処理設備などの液体処理施設から排出される懸濁液（例えば汚泥）が挙げられる。本実施形態では、固液分離装置７は、被処理水３から水を分離（すなわち、脱水）して、分離物５を生成する脱水機である。具体的には、固液分離装置７は、スクリュープレスである。

【0019】

分離物５の例として、被処理水３（例えば汚泥）から液体を除去した後に残る濁質残渣（例えばケーキ）および被処理水３から分離された分離液（脱水ろ液）が挙げられる。一実施形態では、濁質残渣としての分離物５は、コンベヤ１２上に落下し、コンベヤ１２によって搬送される。

【0020】

固液分離装置７として、スクリュープレス以外にもフィルタープレス、遠心分離機、多重円盤型脱水機（例えば、スリットセーバー）などの他のタイプの脱水機や、砂ろ過装置、加圧浮上処理装置、機械濃縮装置、重力式汚泥沈降装置、プロテインスキマー装置を用いてもよい。さらに一実施形態では、固液分離装置７は、被処理水３を加熱して水分を蒸発させることによって分離物５（例えば濁質残渣）を生成する乾燥装置であってもよい。

【0021】

撮像装置９は、対象物の静止画像または連続画像を生成することができるイメージセンサ（例えばＣＣＤイメージセンサまたはＣＭＯＳイメージセンサ）を備えたデジタルカメラである。あるいは、撮像装置９は、光を波長ごとに分解して対象物を撮像することができるハイパースペクトルカメラであってもよい。本実施形態では、撮像装置９は、コンベヤ１２上の分離物５を向いて配置されており、コンベヤ１２上の分離物５を撮像可能に構成されている。一実施形態では、撮像装置９は、固液分離装置７を向いて配置されていてもよく、コンベヤ１２に落下する前の分離物５を撮像可能に構成されていてもよく、コンベヤ１２から落下した後の分離物５を撮像可能に構成されていれもよい。

【0022】

図２に示すように、一実施形態では、撮像装置９は、被処理水３を向いて配置され、被処理水３、すなわち固液分離装置７に入る前の被処理水３を撮像可能に構成されていてもよい。本実施形態では、遠隔監視システム１は、被処理水３の状態を監視するための遠隔監視システムとして機能する。撮像装置９が撮像する被処理水３の例として、貯留槽に貯留された懸濁液が挙げられる。一実施形態では、撮像装置９が撮像する被処理水３は、水族館の水槽の水であってもよい。この場合、撮像装置９は水族館の水槽を向いて配置される。被処理水３が水族館の水槽の水である場合、遠隔監視システム１は、固液分離装置７およびコンベヤ１２を備えない。さらに一実施形態では、撮像装置９は、水槽内または貯留槽内に配置されていてもよい。さらに一実施形態では、撮影装置９が撮像する被処理水３は、排水の生物処理（例えば活性汚泥処理や流動担体法）にて処理された処理水であってもよい。この場合、撮像装置９は生物処理の処理後の水槽を向いて配置される。

【0023】

画像解析システム１０は、エッジサーバ１５と、インターネットなどのネットワーク１６を介してエッジサーバ１５に接続されたクラウドサーバ１７を備えている。エッジサーバ１５は、後述する機械学習を実行してモデルを作成し、そのモデルを使用するためのプログラムが格納された記憶装置１５ａと、プログラムに含まれる命令に従って演算を実行する演算装置１５ｂと、画像データや、後述する分離物５または被処理水３の異常状態の解析結果などのデータをクラウドサーバ１７に送信するための送受信部１５ｃを備えている。以下、分離物５および被処理水３を総称して監視対象物と呼ぶことがある。エッジサーバ１５は、監視対象物が配置された現場に配置されている。

【0024】

エッジサーバ１５は、少なくとも１台のコンピュータから構成される。記憶装置１５ａは、ＲＡＭなどの主記憶装置と、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）などの補助記憶装置を備えている。演算装置１５ｂの例としては、ＣＰＵ（中央演算装置）、ＧＰＵ（グラフィックプロセッシングユニット）が挙げられる。ただし、エッジサーバ１５の具体的構成はこれらの例に限定されない。

【0025】

撮像装置９は、エッジサーバ１５に電気的に接続されている。撮像装置９によって生成された監視対象物の画像データは、エッジサーバ１５に送られ、記憶装置１５ａ内に保存される。

【0026】

クラウドサーバ１７は、プログラムなどが格納された記憶装置１７ａと、プログラムに含まれる命令に従って演算を実行する演算装置１７ｂと、画像データや、後述する監視対象物の異常状態の解析結果などのデータを受信するための送受信部１７ｃと、監視対象物の異常状態の解析結果や撮像装置９によって生成された画像データを表示するＷｅｂアプリケーション１９を備えている。

【0027】

クラウドサーバ１７は、少なくとも１台のコンピュータから構成される。記憶装置１７ａは、ＲＡＭなどの主記憶装置と、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）などの補助記憶装置を備えている。演算装置１８の例としては、ＣＰＵ（中央演算装置）、ＧＰＵ（グラフィックプロセッシングユニット）が挙げられる。ただし、クラウドサーバ１７の具体的構成はこれらの例に限定されない。

【0028】

クラウドサーバ１７は、ネットワーク１６を介してユーザ端末２２に接続されている。ユーザ端末２２の例として、クラウドサーバ１７から離れた場所に設置された監視室のパソコンや、スマートフォン、タブレット端末などが挙げられる。ユーザ（監視者）は、ユーザ端末２２からＷｅｂブラウザを介してＷｅｂアプリケーション１９にアクセスし、Ｗｅｂアプリケーション１９から監視対象物の異常状態の解析結果および画像データの確認や、Ｗｅｂアプリケーション１９の操作を行うことができる。クラウドサーバ１７は、ネットワーク１６を介して複数のユーザ端末２２に接続されていてもよい。この場合、ユーザは、複数のユーザ端末２２からＷｅｂアプリケーション１９にアクセスすることができる。一実施形態では、画像解析システム１０は、複数のクラウドサーバ１７を備えていてもよい。

【0029】

画像解析システム１０は、撮像装置９によって生成された画像データを取得し、画像データに基づいて監視対象物の異常状態を解析する。監視対象物の異常状態を解析することによって、固液分離装置７の処理の良否または被処理水３の水質の良否を判別することができる。具体的には、画像解析システム１０は、監視対象物の異常状態を人工知能（ＡＩ）を用いた推論により解析する。撮像装置９によって生成された画像データは、エッジサーバ１５に送られ、記憶装置１５ａ内に保存される。

【0030】

画像解析システム１０は、推論モデルを備えている。推論モデルは、エッジサーバ１５の記憶装置１５ａに格納されている。エッジサーバ１５は、撮像装置９から得られた画像データを推論モデルに入力し、推論モデルのアルゴリズムに従って監視対象物の異常状態を推論する。推論モデルは、過去の固液分離工程時に撮像装置９によって生成された画像データ（説明変数）と、作業員によって判定された正解ラベル（目的変数）としての推論結果データを含む訓練データを用いて機械学習によって作成された学習済みモデルである。エッジサーバ１５は、過去の画像データおよび対応する推論結果データを含む訓練データを用いて、推論モデルを機械学習のアルゴリズムに従って作成する。機械学習のアルゴリズムは、特に限定されないが、ニューラルネットワークのディープラーニング、ランダムフォレスト、勾配ブースティング法などが好適に使用できる。

【0031】

エッジサーバ１５の演算装置１５ｂは、その記憶装置１５ａに格納されているプログラムに含まれる命令に従って、訓練データを用いた機械学習を実行し、推論モデルを構築する。得られた推論モデルは記憶装置１５ａ内に格納される。一実施形態では、推論モデルの構築はエッジサーバ１５で行われなくてもよい。エッジサーバ１５とは別のコンピュータで訓練データを用いて推論モデルを構築し、この推論モデルをエッジサーバ１５へ持ってきてもよい。エッジサーバ１５は、固液分離工程中に撮像装置９によって生成された画像データを、学習済みの推論モデルに入力し、推論モデルに従って監視対象物の異常状態を推論する。本実施形態では、エッジサーバ１５は、推論モデルに従って監視対象物の状態が異常であるか正常であるかを推論する。さらに、エッジサーバ１５は、撮像装置９から画像データを取得し、画像データおよび対応する推論結果データを含む訓練データを用いて機械学習を定期的または不定期に実行し、推論モデルを更新する。

【0032】

エッジサーバ１５は、解析結果（すなわち監視対象物の異常状態の推論結果）および監視対象物の画像データをクラウドサーバ１７に送信する。上記解析結果および画像データは、記憶装置１７ａに保存される。エッジサーバ１５は、上記解析結果をカテゴリ変数として算出する。例えば、エッジサーバ１５は、推論モデルに従って、監視対象物の状態が正常であると推論したときは、「１」を算出し、監視対象物の状態を異常と推論したときは、「０」を算出する。

【0033】

一実施形態では、エッジサーバ１５は、監視対象物の異常状態の解析結果と画像データとを互いに異なる送信頻度で送信するように構成されていてもよい。例えば、エッジサーバ１５は、解析結果を１０秒に１回送信し、画像データを１分に１回送信してもよい。各送信頻度を適正に設定することで、データ通信量を低減しつつ必要な効果を得ることができる。

【0034】

図３は、遠隔監視システム１の他の実施形態を示す模式図である。特に説明しない本実施形態の構成および動作は、図１および図２を参照して説明した実施形態と同じであるので、その重複する説明を省略する。本実施形態では、機械学習を実行してモデルを作成し、そのモデルを使用するためのプログラムは記憶装置１７ａに格納されている。本実施形態では、エッジサーバ１５は、監視対象物の画像データをクラウドサーバ１７に送信する。本実施形態では、推論モデルは、クラウドサーバ１７の記憶装置１７ａに格納されている。クラウドサーバ１７は、エッジサーバ１５から送信された画像データを推論モデルに入力し、推論モデルのアルゴリズムに従って監視対象物の異常状態を推論する。

【0035】

推論モデルは、過去の固液分離工程時に撮像装置９によって生成された画像データ（説明変数）と、作業員によって判定された正解ラベル（目的変数）としての推論結果データを含む訓練データを用いて機械学習によって作成された学習済みモデルである。クラウドサーバ１７は、過去の画像データおよび対応する推論結果データを含む訓練データを用いて、推論モデルを機械学習のアルゴリズムに従って作成する。

【0036】

クラウドサーバ１７の演算装置１７ｂは、その記憶装置１７ａに格納されているプログラムに含まれる命令に従って、訓練データを用いた機械学習を実行し、推論モデルを構築する。得られた推論モデルは記憶装置１７ａ内に格納される。一実施形態では、推論モデルの構築はクラウドサーバ１７で行われなくてもよい。クラウドサーバ１７とは別のコンピュータで訓練データを用いて推論モデルを構築し、この推論モデルをクラウドサーバ１７へ持ってきてもよい。クラウドサーバ１７は、固液分離工程中に撮像装置９によって生成された画像データを、学習済みの推論モデルに入力し、推論モデルに従って監視対象物の異常状態を推論する。本実施形態では、クラウドサーバ１７は、推論モデルに従って監視対象物の状態が異常であるか正常であるかを推論する。さらに、クラウドサーバ１７は、エッジサーバ１５から画像データを取得し、画像データおよび対応する推論結果データを含む訓練データを用いて機械学習を定期的または不定期に実行し、推論モデルを更新する。解析結果（すなわち監視対象物の異常状態の推論結果）および監視対象物の画像データは、記憶装置１７ａに保存される。クラウドサーバ１７は、上記解析結果をカテゴリ変数として算出する。

【0037】

図４は、分離物５の画像データと、解析結果の例を示す図である。図４（ａ）は、画像解析システム１０（エッジサーバ１５またはクラウドサーバ１７）が正常と推論したときの分離物５の画像データを示し、図４（ｂ）は、画像解析システム１０が異常と推論したときの分離物５の画像データを示している。図４に示す分離物５は、濁質残渣である。図４（ａ）の分離物５は、含水率が低く乾燥しているため、均一にコンベア上に散らばっている。図４（ｂ）の分離物５は、含水率が高く汚泥がくっついてまばらに散らばっている。

【0038】

一実施形態では、画像解析システム１０（エッジサーバ１５またはクラウドサーバ１７）は、上記解析結果を複数の段階（例えば、３段階～５段階）に分類して算出してもよい。図５は、濁質残渣としての分離物５の画像データと、各画像データの解析結果を示す図である。図５に示す画像データは、コンベヤ１２にて汚泥乾燥機（図示せず）へ投入した分離物５を撮像したものである。図５に示す例では、画像解析システム１０は、画像データから推論される含水率（乾燥度合い）に基づいて、分離物５の異常状態の解析結果をレベル１～レベル５の５段階に分類する。図５では、レベル１からレベル５に進むにつれて含水率が小さくなっている。

【0039】

画像解析システム１０は、複数段階に分類したときの解析結果をカテゴリ変数として算出する。例えば、画像解析システム１０は、含水率のレベルが１のときは「１」を算出し、含水率のレベルが３のときは「３」を算出する。一実施形態では、画像解析システム１０は、異常状態の解析結果を正規化（０～１、または０～１００）して算出してもよい。一実施形態では、例えばレベル３の含水率の分離物５を得たい場合で、運転状態が変化してレベル２やレベル４になった場合には、クラウドサーバ１７は、後述する異常通知を行ってもよく、ユーザは運転パラメータを変更してもよい。

【0040】

解析結果を複数段階に分類することで現場によって異なる要求に柔軟に対応することができる。さらに、正規化することで、表示画面を共通化することができる。結果として、汎用性が上がり適用できる現場が増えるとともに、システム構築にかかる費用および時間を低減することができる。

【0041】

図６は、被処理水３としての水族館の水槽の水の画像データと、各画像データの解析結果を示す図である。図６に示す例では、画像解析システム１０は、画像データの解析結果を「清浄」、「少し濁っている」、「濁っている」の３段階に分類する。

【0042】

図７は、Ｗｅｂアプリケーション１９の表示の一実施形態を示す図である。クラウドサーバ１７の演算装置１７ｂは、グラフ表示機能、異常通知機能、および異常条件設定機能などを備えている。クラウドサーバ１７は、Ｗｅｂアプリケーション１９に、監視対象物の異常状態の解析結果（推論結果）を表すグラフ２５および撮像装置９によって生成された画像データ２７などを表示させる。

【0043】

図７に示すように、解析結果は、グラフ表示機能によって、横軸を監視対象物の監視時間とし、縦軸を解析結果を示す数字（カテゴリ変数）とするグラフ２５としてＷｅｂアプリケーション１９に表示される。図７に示す例では、過去２４時間の解析結果が時系列で表示されている。本実施形態では、画像解析システム１０（エッジサーバ１５またはクラウドサーバ１７）が監視対象物の状態が正常であると推論したときは、「１」が表示され、監視対象物の状態を異常と推論したときは、「０」が表示される。ユーザは、最新の解析結果だけでなく、過去の解析結果の推移をグラフ２５で確認することができる。

【0044】

次に、異常通知機能について説明する。クラウドサーバ１７は、推論モデルに従う解析結果に基づいて、監視対象物の状態が正常か異常かを判断する。クラウドサーバ１７は、監視対象物の状態を異常と判断した場合、前記分離物の状態が異常であることを通知するメールをユーザ端末２２に送信する。Ｗｅｂアプリケーション１９には、異常通知設定ボタン３０が表示されており、ユーザは、異常通知設定ボタン３０を操作することで、異常通知の開始と停止を切り替えることができる。

【0045】

一実施形態では、図８に示すように、クラウドサーバ１７は、ネットワーク１６を介して警告灯２９に連結されていてもよい。警告灯２９は、ユーザ端末２２を介してクラウドサーバ１７に接続されていてもよく、ユーザ端末２２を介さずにクラウドサーバ１７に接続されていてもよい。一実施形態では、クラウドサーバ１７は、監視対象物の状態を異常と判断した場合、監視対象物の状態が異常であることを警告灯２９を介してユーザに通知する。具体的には、クラウドサーバ１７は、監視対象物の状態を異常と判断した場合、警告灯２９を点灯させる。

【0046】

本実施形態では、異常が発生した際にはメールや警告灯２９といった方法で通知を行うため、ユーザは、Ｗｅｂアプリケーション１９の画面を見ていなくても状況に気づくことができる。さらにユーザは、監視対象物の状態の良否を判断する必要もない。また、ウェブアプリケーション１９を用いることで１つの設備を複数の遠隔地から確認することができ、１人で監視しなくても良いため、監視の負荷を分担することができる。結果として、ユーザの負担を低減・分担することができる。ユーザは、常時監視する必要がなく、ユーザの作業時間を削減することができる。

【0047】

一実施形態では、エッジサーバ１５またはクラウドサーバ１７は、推論モデルに従って、確信度を算出するように構成されていてもよい。確信度は、推論結果の妥当性を示す指標値であり、０から１００までの数値で表される。確信度は、０から１までの数値で表されてもよい。

【0048】

次に、異常条件設定機能について説明する。Ｗｅｂアプリケーション１９は、クラウドサーバ１７が監視対象物の状態を異常と判断するための異常条件を設定可能に構成されている。具体的には、ユーザは、Ｗｅｂアプリケーション１９に表示された異常条件設定ウィンドウ３２の数字を設定することで上記異常条件を設定する。異常条件設定ウィンドウ３２は、移動平均設定ウィンドウ３２ａと、警報レベル設定ウィンドウ３２ｂと、安全レベル設定ウィンドウ３２ｃを備えている。

【0049】

異常条件の例として、以下のものが挙げられる。クラウドサーバ１７は、以下のいずれか条件を満たす場合、監視対象物の状態は異常であると判断する。
（ｉ）画像解析システム１０が推論モデルに従って監視対象物の状態が異常であると推論した場合。
（ii）画像解析システム１０が監視対象物の状態が異常であると推論し、かつ確信度が予め定められたしきい値以上となった場合。
（iii）解析結果を複数段階に分類したときの、解析結果のカテゴリ変数が予め定められたしきい値以上またはしきい値以下となったとき
（iｖ）解析結果のカテゴリ変数の時間経過による移動平均の値が予め定められたしきい値以上またはしきい値以下となった場合。
（ｖ）解析結果を時系列で表した波形（例えば、カテゴリ変数を時系列で表したグラフ。以下、単に解析波形という）がいつもと違う状態である場合。具体的には、クラウドサーバ１７は、過去数日分の解析波形を記憶装置１７ａに保存し、過去数日分の解析波形から基準波形（理想的な解析波形）を算出する。クラウドサーバ１７は、現在の解析波形と基準波形を比較し、一致度が所定の設定値以下となった場合に現在の監視対象物の状態は異常であると判断する。

【0050】

一実施形態では、警報レベル設定ウィンドウ３２ｂに数字を入力することで、異常条件を設定する。例えば、異常条件として上記（ｉ）を設定したい場合は、別途用意する設定ファイルに「１」を入力し、判定に用いるしきい値を警報レベル設定ウィンドウ３２ｂに入力する。異常条件として上記（iii）を設定したい場合は、上記設定ファイルに「３」を入力し、警報レベル設定ウィンドウ３２ｂに判定に用いるしきい値を入力する。

【0051】

一実施形態では、安全レベル設定ウィンドウ３２ｃに対応する数字を入力することで、上述した（ii）～（iｖ）のしきい値を設定する。一実施形態では、警報レベルのしきい値に一度到達してから０．２以上回復した段階を安全とみなしたい場合は、ユーザは、安全レベル設定ウィンドウ３２ｃに「０．２」を入力する。

【0052】

上述した（iｖ）において、移動平均の時間範囲は、移動平均設定ウィンドウ３２ａで設定することができる。

【0053】

このように、本実施形態では、異常条件を容易に設定することができるため、多くの現場に適用できる。異常通知したい水準は現場によって異なるため、個別に設定できることで使い勝手があがる。

【0054】

図９は、脱水ろ液としての分離物５の監視方法の一例を示す図である。本実施形態では、撮像装置９により脱水ろ液を撮像し、多段階の分類を行う。画像解析システム１０は、分離物５の画像データに基づき汚濁～清澄の推論結果を出力する。分離物５の状態は脱水ポリマーの注入量に影響を受けるため、分離物５の分類結果によりポリマーの注入量が適正であるか過剰または不足であるかを確認することができる。希望する状態を定めることで、脱水ろ液の変動にあわせてポリマー量を調整することができる。一実施形態では、クラウドサーバ１７は、ポリマー量が過剰または不足であれば異常を通知してもよい。

【0055】

例えば「やや清澄」の状態を維持したい場合であって、かつ固液分離装置７へ投入される現汚泥の状態変動等により分離物５の推論結果が「汚濁」となった場合は、ポリマー不足の警報を出力する（異常を通知する）とともに、ポリマー注入量を増加させる。脱水ろ液の色は、ろ液が汚濁している場合は黒や茶色の濃い色で濁っている。ろ液が清澄な場合は薄い茶色や透明感のある見た目となる。この見た目の違いを機械学習により推論モデルへ学習させ、推論に用いる。

【0056】

図１０は、遠隔監視システム１の他の実施形態を示す模式図である。特に説明しない本実施形態の構成および動作は、図１乃至図９を参照して説明した実施形態と同じであるので、その重複する説明を省略する。本実施形態の遠隔監視システム１は、監視対象物の状態を間接的に示す物理量を測定するセンサ３４をさらに備えている。センサ３４は、エッジサーバ１５に電気的に接続されている。センサ３４によって測定された物理量は、エッジサーバ１５に送られ、記憶装置１５ａ内に保存される。

【0057】

本実施形態では、エッジサーバ１５は、撮像装置９から得られた画像データおよび上記物理量の測定データを推論モデルに入力し、推論モデルのアルゴリズムに従って監視対象物の異常状態を推論する。本実施形態の推論モデルは、過去の固液分離工程時に撮像装置９によって生成された画像データおよび上記物理量の測定データ（説明変数）と、作業員によって判定された正解ラベル（目的変数）としての推論結果データを含む訓練データを用いて機械学習によって作成された学習済みモデルである。画像解析システム１０は、過去の画像データ、過去の物理量の測定データ、および対応する推論結果データを含む訓練データを用いて、推論モデルを機械学習のアルゴリズムに従って作成する。さらに、エッジサーバ１５は、撮像装置９から画像データを取得し、かつセンサ３４から物理量の測定値を取得し、画像データ、物理量の測定データ、および対応する推論結果データを含む訓練データを用いて機械学習を定期的または不定期に実行し、推論モデルを更新する。図３を参照して説明した実施形態は、本実施形態にも適用することができる。一実施形態では、エッジサーバ１５は、監視対象物の画像データおよび上記物理量の測定データをクラウドサーバ１７に送信し、クラウドサーバ１７は、エッジサーバ１５から送信された画像データおよび上記物理量の測定データを推論モデルに入力し、推論モデルのアルゴリズムに従って監視対象物の異常状態を推論してもよい。

【0058】

監視対象物の状態を間接的に示す物理量の例として、監視対象物および／または固液分離装置７の温度、監視対象物の湿度、被処理水３の水質、固液分離装置７から発せられる音、固液分離装置７の振動、監視対象物の匂いなどが挙げられる。センサ３４の例として、温度センサ、湿度センサ、水質センサ、音センサ、振動センサ、および匂いセンサなどが挙げられる。一実施形態では、遠隔監視システム１は、複数のセンサ３４を備えていてもよい。遠隔監視システム１は、温度センサ、湿度センサ、水質センサ、音センサ、振動センサ、および匂いセンサのうちのいずれか１つのセンサを備えていてもよく、温度センサ、湿度センサ、水質センサ、音センサ、振動センサ、および匂いセンサのうちの複数のセンサを備えていてもよい。訓練データとして、上記物理量をさらに用いることによって、より精度よく異常状態の推論を行うことができる。

【0059】

上述した実施形態によれば、Ｗｅｂアプリケーション１９によって分離物５または被処理水３の画像データと、機械学習を用いた画像データの解析結果を確認することができる。結果として分離物５や被処理水３の状態の最適な遠隔監視を行うことができる。また、上述した実施形態によれば、上記画像データおよび上記解析結果をＷｅｂアプリケーション１９を用いて複数箇所から確認することができる。小規模な設備であってもピンポイントで画像のＡＩ解析や、監視対象物の遠隔監視をすることができ、水処理に向いている。

【0060】

上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうる。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲に解釈されるものである。

【符号の説明】

【0061】

１ 遠隔監視システム
３ 被処理水
５ 分離物
７ 固液分離装置
９ 撮像装置
１０ 画像解析システム
１２ コンベヤ
１５ エッジサーバ
１６ ネットワーク
１７ クラウドサーバ
１９ Ｗｅｂアプリケーション
２２ ユーザ端末
２５ グラフ
２７ 画像データ
２９ 警告灯
３０ 異常通知設定ボタン
３２ 異常条件設定ウィンドウ
３４ センサ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】